硬件迭代,迭没吸金的卡路里监测App?

交互方式，正在变化。

封面图片由AI生成

作者｜殷观晓

编辑｜智婷

最近，一段在 X 上流传的视频引起了我们的注意。

一名 UC 伯克利 EECS 专业的学生 Mohul Shukla，把 Meta 眼镜的拍照功能和「Cal AI」的热量识别打通，搭了一个简单的交互系统——吃饭时说一句“log food”，眼镜自动拍照、后续无缝衔接识别食物、记录热量。不用打开手机，不用搜索食物名称，不用手动输入克重。整个过程，就像他在视频文案里写的那样，pov: tracking calories in 2026。

如果只是一个极客的个人项目，这段视频或许不值得多聊。但几乎同一时间，Meta 正式发布了新款 Ray-Ban AI 近视眼镜（将于今年 4 月 14 日在美国上市，起售价 499 美元），更新功能中赫然包含一项：基于视觉识别的饮食营养追踪。

也就是说，Mohul 自己搭的那套交互层，Meta 已经准备集成进硬件出厂功能里了。他的“创新”甚至可能还未正式面世，就已经被原生功能取代。

这件事，也让我们重新去看一个问题，卡路里监测是一个年收入数十亿美元的品类，头部玩家「MyFitnessPal」一家的月流水就在 1500 万美元左右。当智能硬件开始内置饮食追踪，这些 App 还需要存在吗？

一、硬件正在重写”怎么记录”

Mohul 的 demo 之所以值得关注，不是因为技术多新——Meta 眼镜和「Cal AI」都已存在——而是因为他展示了一种全新的交互逻辑：卡路里追踪这件事，可以完全脱离手机 App 完成。

正如他自己的判断：

这个判断，也正在被硬件厂商们验证。

Meta 在新款眼镜中直接集成饮食追踪功能，意味着这类需求不再需要第三方中间层——眼镜本身就是入口。而更激进的尝试来自「Odyss」。刚完成近 2 亿元人民币融资的、国内的一家 AI 健康硬件公司（红杉中国、Monolith 领投），推出了全球首款 Always-On 智能项链 Odyss N1。它搭载视觉+音频+动作的三模态感知系统，能全天候自动捕捉饮食数据——不需要用户主动触发，甚至不需要说话。

如果把交互方式的变化拉出一条线，趋势很清晰：

继续下去，交互方式正在从主动记录走向被动感知。手机 App 在这条链路中的位置，从“入口”变成了“后台”。

但硬件解决了交互问题，不代表它解决了所有问题。

二、什么是真正的稀缺资源

硬件能让用户更方便地拍到食物。但拍到不等于认得出，认得出不等于算得准。

以「Odyss」为例，团队自己的测算显示，N1 对常规西餐的热量识别准确率在 90% 以上。这里有一个限定词，常规西餐。面对烹饪手法复杂一些的西餐、甚至中餐、东南亚菜、混合烹饪等更复杂场景，准确率就会大大下降。这不是「Odyss」一家的问题，而是整个 AI 视觉识别在饮食领域的结构性瓶颈。

一张照片里，AI 需要同时判断食物种类、份量大小、烹饪和调味方法。一碗看上去差不多的面条，加不加一勺花生酱，热量可以差出几百大卡。这种颗粒度的准确性，不是大模型能力能单独解决的，它可能需要一个预训练的小模型、更重要的是需要一个足够庞大、足够精细的数据库作为底层支撑。

而这恰恰是老牌 App 最深的壁垒。

根据 AppMagic 数据（扣除应用商店抽成后），目前卡路里监测品类的头部格局是：

「MyFitnessPal」做了 17 年，「Yazio」做了 11 年。它们积累的不只是用户规模，更是一个经过数亿次“人工校准”的食物数据库。这个数据库的价值，在 AI 时代不但没有缩水，反而变得更加稀缺——因为无论是 Meta 眼镜、「Odyss」项链还是任何新硬件入口，最终都需要调用一个可靠的后端，来完成从“识别”到“分析”的最后一公里。

「MyFitnessPal」显然意识到了这一点。它在 AI 浪潮中做的第一步，不是自己做硬件，而是收购了增速最快的「Cal AI」。这是一次典型的防御性收购，「Cal AI」月流水只有「MyFitnessPal」的六分之一，远未撼动头部格局，但它代表的 AI 拍照识别范式一旦成熟，可能重新定义品类入口。与其等它长大，不如先纳入体系。

反过来想一个更有趣的问题。如果 Meta 真的要认真做饮食健康追踪，它最需要的可能不是一个 AI 识别模型——视觉能力是它自己能迭代的。它更需要的，是一个覆盖 2000 万种食物、经过 17 年用户验证的营养数据库。这样的数据壁垒，几乎不可能从零建起。

写在最后

回到开头的问题：硬件会迭没卡路里监测 App 吗？

短期看，不会。硬件正在改变用户“怎么记录”，但没有改变“记录什么、多大热量”——后者依赖的是数据库、营养模型和十几年积累的食物知识图谱，一颗摄像头暂时替代不了这些。

但这个品类的价值分布确实在发生位移。当硬件把入口从手机 App 迁移到眼镜、项链甚至环境传感器上，App 的前端价值会被持续稀释，而后端的数据库和分析能力则变得越来越值钱。

某种程度上说，这个赛道未来的竞争逻辑，可能不再是“谁的 App 更好用”，而是谁的食物数据库更完整、更准确、更容易被各种硬件调用。

注：文中收入数据来自 AppMagic，为扣除应用商店抽成后的估算值，可能与真实数据存在误差，仅供参考。